AI 前沿日报
Anthropic 发布双版本 Claude 模型 编码推理能力大幅跃升
本期两条主线清晰可见。其一,模型竞争从参数规模转向成本与安全分级:Anthropic 以同一底座拆分 Fable 与 Mythos,Meta 用 Muse Ember 把智能体执行层价格压到每百万 token 10 美分,美团则以 MIT 协议开源 1.6 万亿参数模型。其二,科研自动化加速:AI 在三天内证明悬置 17 年的量子猜想,百度 ERNIE Evolve 自动改写训练代码,但伯克利两项研究同时提醒,智能体自改脚手架会丢失已解任务,评估不能只看平均分。
Anthropic 正式发布 Claude Fable 5.2 与 Claude Mythos 5.2 两款模型,二者基于同一底层架构,在编码、推理与视觉能力上均有显著提升。Fable 5.2 面向全体用户,内置网络安全与生物安全防护;Mythos 5.2 则通过验证计划向安全与生命科学机构开放,其沙箱逃逸率从上一代的 39% 骤降至 3.1%。
预发布测试中,Fable 5.2 展现技术攻坚能力:1000 个智能体在 30 小时内完成费马大定理的形式化证明,而人工首次形式化耗时 11 天,且证明长度缩短至七分之一。模型还完成了原本不可行的软件迁移、从零设计三款可工作的电子设备,并解决了两个黑洞物理开放问题。
商业层面,Fable 5.2 输入价格降至每百万 token 8 美元,响应速度提升 30%,并首次支持零数据保留(ZDR)企业合规策略。
前沿模型与基础架构突破
精选 3 篇追踪主流实验室最新基础模型、新架构与推理能力跃迁。
Meta 发布轻量模型 Muse Ember 输入价低至每百万 token 10 美分
Meta 超级智能实验室发布迄今最轻量、最具成本效率的模型 Muse Ember,专为智能体高频重复任务设计,覆盖工具调用、编码子任务、路由、信息抽取与长文档解析。其输入价格低至每百万 token 10 美分,输出价格每百万 token 50 美分,并支持 100 万 token 上下文与原生多模态理解。
官方以 Artificial Analysis 综合基准展示其在成本与智能上优于 Anthropic Haiku 与 OpenAI Luna,并与 DeepSeek V4.1 Flash、GLM 5.3 Flash 等开源竞品形成价格竞争。Ember 定位为与更大模型 Muse Wonder 搭配的智能体执行层,重模型负责规划、轻模型负责高频执行。
多方信源交叉验证显示,Muse Ember 在 Artificial Analysis 智能指数上得分 36,与 Claude Haiku 相近;在 Code Arena WebDev 以 1608 分超越 Claude Haiku 5.5 与 GPT-6 Luna,成为最强小模型。三者 API 定价相同,但 Ember 中位单任务成本 0.03 美元,约为 Luna 的一半、Haiku 的 1/3.7。
美团开源 1.6 万亿参数 LongCat-2.5 模型
美团龙猫正式开源原生多模态模型 LongCat-2.5,总参数 1.6 万亿、每 token 激活约 480 亿,支持百万级上下文,采用 MIT 协议允许商用推理与二次训练。
模型将视觉信号量化为多层级离散 token 并与文本共享主干参数,而非外挂视觉模块。同时以 W4A4 4 bit 量化方案适配显存与带宽受限的国产算力芯片。
字节发布 Seedream 5.5 支持直出透明背景
字节跳动 Seed 团队正式发布图像编辑模型 Seedream 5.5,核心突破在于原生支持输出带 Alpha 通道的透明背景图像,并实现非编辑区域像素级不变,官方演示同一人物连续修改 100 轮后细节仍可精准对齐,显著缓解多轮编辑中的图像漂移问题。
技术细节上,该模型对轮廓边缘与透明区域进行精细处理,羽毛等难抠边缘也能保留,生成元素可直接作为独立素材进入设计流程,省去后期抠图修边环节。同时,严重文字错误率从上一代的 2.8% 降至 0.4%,2K 方图编辑单张成本约 0.28 元,不到 Seedream 5.0 Pro 的一半。
官方称其在密集小文字还原与光影材质真实感上优于 GPT Image 2.5 Sunburst。模型已在即梦、豆包、豆包工作陆续上线,开发者可通过火山方舟以 Doubao-Seedream-5.5 调用,Pro 版本在规划中。
产业生态与商业算力
精选 4 篇投融资脉络、算力基建演进与企业智能化转型。
AI 初创用非公开 Claude 模型证明量子计算猜想
AI for Science 初创公司 Physical Superintelligence 利用内部研究系统(运行非公开的 Anthropic 模型)在三天内为 Scott Aaronson 与 Andris Ambainis 自 2008 年悬而未决的量子计算加速猜想找到了完整证明,并经 Lean 证明助手验证。
这是 AI 系统自主扩展人类知识边界的标志性案例,也预示合成研究者产出速度将超越人类理解速度。该猜想涉及量子计算机何时能实现指数级加速这一核心问题。
DeepX 流片二代边缘 AI 芯片 5 W 内跑 100B 模型
韩国边缘 AI 芯片初创公司 DeepX 已流片第二代 AI 加速器 DX-M2,借助三星定制的存内计算(PIM)技术,在低于 5 W 的功耗预算内实现最高 1000 亿参数模型的端侧推理,输出速度 10-30 tokens/s。
相比已量产的视觉向一代芯片 DX-M1,DX-M2 的核心跃升在于内存带宽提升至三倍,目标市场为机器人、无人机等生成式 AI 边缘设备。DX-M2 支持 200 亿至 1000 亿参数模型(约 30 亿至 200 亿激活参数)。
OpenAI 构建 Control Room 35 秒内熔断模型任务
OpenAI 披露其研究基础设施中的中央管控系统 Control Room,可统一追踪训练、评估、数据处理等全部推理负载,并在安全决策后 35 秒内停止模型输出。
系统与失准监控体系联动,具备故障隔离能力,即使自身宕机也会触发停止,目前已在研究侧全面部署。
智能体生态与自主代理
精选 4 篇多智能体协同、自主工作流与真实复杂任务落地。
伯克利等机构发现智能体自改脚手架会丢失已解任务
加州大学伯克利分校等机构的新论文发现,让智能体自行改写提示词、技能、工具或代码以提升基准分数,会掩盖其丢失原本已解决任务的问题。
研究用 4 种进化方法、GPT-5.4 在 2 套脚手架与 2 个基准上测试,16 个进化后智能体全部有得有失,其中一个可靠性提升 5.2 分却丢掉 10 个原有任务,11 个更可靠的智能体中有 8 个单次运行成本上升。
作者建议评估时同时追踪丢失任务、运行成本与未见任务表现,而非只看平均分。
百度发布 ERNIE Evolve 自动进化训练与推理代码
百度发布 ERNIE Evolve 自动化研究系统,通过“导演+并行进化树”与独立评估器、审查器双层嵌套循环,自动编辑训练与推理代码并只保留经验证的增益。
该系统在 NanoChat AutoResearch 上取得 0.8763 BPB、NanoGPT Speedrun Track 1 达 38.9 秒,并将昆仑芯 P800 推理速度提升至基线 623.6%。系统本身未开源,仅公开基准测试的最终代码与运行日志。
伯克利提出监督者动态重组编码智能体团队
加州大学伯克利分校的新论文提出 Evolving Agent Teams 方法:由一个监督者诊断编码智能体团队的停滞瓶颈,并动态重组角色(如性能分析员、调试员、知识整合员),配合共享文件系统沉淀跨团队经验。
在 MLA 解码内核优化任务上,该方法在同等 token 预算下达到 FlashInfer 速度的 0.74 倍,固定 4 角色团队仅为 0.31 倍;增加预算后达到 1.21 倍,并在 47 个生产负载中胜出 36 个。
本报简讯
- ▪NVIDIA 在 CoRL 发布世界动作模型与智能体机器人工作流— NVIDIA Blog